تكنولوجيا
التصنيف الرئيسي للمقالات التقنية: برمجة، ذكاء اصطناعي، DevOps، تحسين الأداء، أوتوميشن، وأخبار التكنولوجيا.
Prompt Caching للمحترف في Claude: ازاي تقطع تكلفة الـ Input 90% وتسرّع الرد 4x
لو الـ agent بتاعك بيرسل system prompt حجمه 35 KB في كل طلب، الموديل بيقراه من الصفر وبتدفع كامل التوكنز. Prompt Caching بيحفظ الجزء الثابت على سيرفر Anthropic ويعيد استخدامه بسعر 10% وزمن TTFT أقل بـ 4x. مقال للمحترف بمثال الكاشير للمبتدئ، تعريف علمي للـ KV cache، كود Python شغّال على Anthropic SDK، أرقام مقاسة من إنتاج (88% انخفاض الفاتورة)، trade-offs الـ cache invalidation، وحالات لا يستحق فيها التفعيل.
KV Cache و PagedAttention للمحترف: ليه vLLM بيخدم 8x طلبات أكتر
لو شغّلت Llama 3 70B على A100 80GB ولقيت السيرفر بيرفض الطلب رقم 16، الموديل مش هو اللي بياكل الذاكرة. KV Cache هو، وبيهدر 60-80% منها في تجزئة. PagedAttention في vLLM بترفع الإنتاجية 8x. مقال للمحترف بشرح علمي دقيق، كود vLLM 0.7+ شغّال، أرقام من ورقة Kwon et al. SOSP 2023.
Prompt Caching في Claude للمحترف: وفّر 90% من تكلفة الـ API و 6x من زمن الاستجابة
لو تطبيقك بيبعت نفس الـ system prompt الطويل مع كل request، أنت بتدفع 100% كل مرة بلا داعي. Prompt Caching بيقطع التكلفة لـ 10% والـ time-to-first-token من 2.1 ثانية لـ 0.32. مقال للمحترف بمثال الكاشير للمبتدئ، تعريف علمي للـ KV Cache Persistence، كود Python شغّال على Anthropic SDK، أرقام مقاسة من إنتاج 18,000 طلب يومي، 4 trade-offs حقيقية، وحالات لا تستخدمه فيها أصلاً.
KEDA للمحترف: scale Kafka Consumers من Lag بدل CPU
لو 8 microservices بتاكل 24 pod طول اليوم وفيهم 3 بس اللي عنده شغل وقت الذروة، بتدفع لـ idle بنسبة 60%+. KEDA بيربط عدد الـ pods بـ Kafka consumer lag مباشرةً، فبتدفع للشغل الحقيقي بس. شرح للمحترف بمثال العيادة للمبتدئ، تعريف علمي للـ ScaledObject، YAML شغّال على KEDA 2.13، أرقام إنتاج (70% توفير، 3x تحسّن في P99)، trade-offs الـ cold start و rebalance، ومتى لا تستخدم scale-to-zero أصلاً.
GIL في Python للمحترف: ليه threading مش بيسرّع كودك حتى مع 16 core
لو شغّلت 8 threads في Python على CPU بـ 16 core وفوجئت إن الكود ماتسرّعش بل بطئ، السبب اسمه Global Interpreter Lock. مقال للمحترف بمثال الميكروفون الواحد للمبتدئ، تعريف علمي دقيق لـ CPython وbytecode evaluation، كود Python 3.12 شغّال يقيس الفرق بين threading و multiprocessing، أرقام مقاسة فعلياً، نظرة على PEP 703 وفكرة free-threaded Python، trade-offs واضحة، وحالات يبقى فيها threading منطقي رغم الـ GIL.
Speculative Decoding للمحترف: ازاي تخلّي LLM يرد 3x أسرع بدون ما تخسر دقة
لو inference الـ Llama 3 70B بياخد 8 ثواني والمستخدم بيقفل التاب، Speculative Decoding بيقطع الزمن للنص بنفس الموديل ونفس الجودة. الفكرة: موديل صغير سريع بيخمّن، موديل كبير بيتأكد بالتوازي. مقال للمحترف بمثال الكاشير للمبتدئ، التعريف العلمي الدقيق للـ acceptance probability من ورقة DeepMind 2023، كود vLLM 0.6+ شغّال، أرقام مقاسة على H100 (24 → 71 توكن/ثانية)، trade-offs الذاكرة والـ batching، وحالات لا تستخدم فيها التقنية أصلاً.
أتمتة Performance Budget على CI: ارفض أي PR يخفّض الأداء قبل الـ merge
لو تطبيقك بيتقل 80ms كل أسبوع وانت ما تشعرش، السبب مش مهندس عمل غلطة كبيرة، السبب 30 PR كل واحد ضايف ضريبة صغيرة. شرح للمحترف بمثال المطعم للمبتدئ، إعداد Lighthouse CI كامل على GitHub Actions، assertions على LCP و INP و CLS و bundle size، أرقام مقاسة من فريق 12 مطور، trade-offs زمن الـ build و false positives، ومتى لا تستخدمها.
Hybrid Search للمحترف: ادمج BM25 مع Dense Embeddings وارفع دقة الاسترجاع لـ 96%
لو الـ RAG بتاعك بيفشل في الأسئلة اللي فيها رقم منتج أو UUID أو اسم خطأ تقني، Dense search لوحده مش كفاية. Hybrid Search بيدمج BM25 مع Embeddings عبر Reciprocal Rank Fusion ويرفع الاسترجاع من 78% لـ 96% على BEIR. مقال للمحترف بمثال أمين المكتبة للمبتدئ، تعريف علمي للـ RRF، كود Python شغّال على rank_bm25 + sentence-transformers، أرقام مقاسة، trade-offs، وحالات لا تستخدمه فيها.
Bloom Filters بالعربي: ابحث في 100 مليون مفتاح بـ 114MB رام بدل 4GB
لو cache فيه 100 مليون مفتاح وكل request بيدوّر هل المفتاح موجود قبل ما يروح للـ DB، Bloom filter بيخلّيك تجاوب على السؤال ده في 90 نانو ثانية بـ 114MB رام بدل 4GB. مقال للمستوى المتوسط/المحترف بمثال قائمة الفرح، تعريف علمي دقيق، كود Python و Redis شغّال، أرقام مقاسة، trade-offs، وحالات لا تستخدم فيها.